sklearn中的朴素贝叶斯模型及其应用

 

sklearn中的朴素贝叶斯模型及其应用

1.使用朴素贝叶斯模型对iris数据集进行花分类

以下是3种不同类型的朴素贝叶斯：

（1）高斯分布型

（2）多项式型

（3）伯努利型

代码如下：

#导入iris数据集
from sklearn import datasets
iris = datasets.load_iris()

#第一种高斯分布型朴素贝叶斯
from sklearn.naive_bayes import GaussianNB
gnb = GaussianNB()  #构造
pred =gnb.fit(iris.data,iris.target)   #拟合
y_pred =pred.predict(iris.data)  #预测

print(iris.data.shape[0],(iris.target != y_pred).sum())


#第二种多项式型朴素贝叶斯
from sklearn.naive_bayes import BernoulliNB
gnb = BernoulliNB() 
pred = gnb.fit(iris.data,iris.target) 
y_pred = pred.predict(iris.data)  

print(iris.data.shape[0],(iris.target != y_pred).sum())

#第三种伯努利型朴素贝叶斯
from sklearn.naive_bayes import MultinomialNB
gnb = MultinomialNB()  
pred = gnb.fit(iris.data,iris.target)   
y_pred = pred.predict(iris.data)  

print(iris.data.shape[0],(iris.target != y_pred).sum())

结果：

   

2.使用sklearn.model_selection.cross_val_score()，对模型进行验证。

 

#第一种高斯分布型验证
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import cross_val_score
gnb = GaussianNB()
scores=cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy1:%.3f"%scores.mean())

#第二种多项式型验证
from sklearn.naive_bayes import BernoulliNB
from sklearn.model_selection import cross_val_score
gnb =BernoulliNB()
scores=cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy2:%.3f"%scores.mean())


#第三种伯努利型验证
from sklearn.naive_bayes import MultinomialNB
from sklearn.model_selection import cross_val_score
gnb = MultinomialNB()
scores=cross_val_score(gnb,iris.data,iris.target,cv=10)
print("Accuracy3:%.3f"%scores.mean())

 

结果：

3. 垃圾邮件分类

数据准备：

• 用csv读取邮件数据，分解出邮件类别及邮件内容。
• 对邮件内容进行预处理：去掉长度小于3的词，去掉没有语义的词等

尝试使用nltk库：

pip install nltk

import nltk

nltk.download

 

#导入邮箱数据包文件
import csv
file_path=r'G:\SMSSpamCollectionjsn.txt'
sms=open(file_path,'r',encoding='utf-8')
sms_data=[]
sms_label=[]
csv_reader=csv.reader(sms,delimiter='\t')
for line in csv_reader:
    sms_label.append(line[0])
    sms_data.append(line[1])
sms.close()
sms_data=str(sms_data)   #字符串
sms_data=sms_data.lower()   #大小写
sms_data=sms_data.split()   #列表
sms_data1=[]    #处理后的内容
i=0
#去掉长度小于3的单词
for i in sms_data:
 if len(i)>4:
        sms_data1.append(i)
        continue

结果：